CN110415819A - 一种分布式的医疗大数据分析处理系统及方法 - Google Patents
一种分布式的医疗大数据分析处理系统及方法 Download PDFInfo
- Publication number
- CN110415819A CN110415819A CN201910715957.7A CN201910715957A CN110415819A CN 110415819 A CN110415819 A CN 110415819A CN 201910715957 A CN201910715957 A CN 201910715957A CN 110415819 A CN110415819 A CN 110415819A
- Authority
- CN
- China
- Prior art keywords
- processing system
- information
- data
- diagnosis
- disease
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种分布式的医疗大数据分析处理系统,包括云服务器、用户端、医护平台终端和医院分布式数据源处理系统;所述用户端与云服务器网络通信连接,用以接收所述云服务器发来的大健康数据信息;所述医护平台终端通过所述云服务器与所述医院分布式数据源处理系统网络通信连接,用于向所述医院分布式数据源处理系统录入患者的原始诊治信息,并能实时调用所述医院分布式数据源处理系统中存储的各就诊信息。本发明将数据处理全部交由各个医院分布式数据源处理系统进行本地化处理,提高了数据处理速度,确保了系统的稳定性。
Description
技术领域
本发明属于大数据分析的技术领域,具体是一种分布式的医疗大数据分析处理系统及方法。
背景技术
大数据(big data),是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。随着网络的日益普及和高速发展,各个行业的大数据都可以被收集到。针对大数据的挖掘已经在其它行业有了很大程度的应用并也得到了显著的成果。但与其它行业所不同的是,医疗行业由于与病患的生命安全有着紧密的联系,所以医疗数据分析结果的准确性和实用性更是需要关注的重点。
医疗行业涉及到的大数据分析与服务范围包括临床业务、网络平台、公众健康管理、远程病人监控、新药开发等,因此通过大数据分析处理得到的结果能够大幅度提高医疗效果和患者诊治的满意度,尤其是通过数据库中关联的疾病诊断信息来自动给出诊断方法将会是未来医疗领域一个主要的研发方向。
现有技术中出现了各种医疗应用的大数据服务系统,比如中国专利申请号为201811454499.8公开了一种基于物联网的医疗大数据分析处理系统及其方法,以医院数据库中记载的原始诊治信息来作为数据源外,还通过用户端获取的健康数据信息(例如作息信息、饮食喜好信息、职业环境等)一起作为数据源,还引入知识档案数据库,对于引发患病的方方面面数据信息均涉及到,数据来源更广、获取方式简单,并且结合基于卷积神经网络构建得到的预测模型,使得本系统的预测结果更为准确和具有参考价值,但是其数据预处理采用的是云服务平台进行处理,这种情况下,当数据处理量过大时可能会存在云服务平台处理不及时,耗费时间较多,这样预测结果也就比较慢,从而存在信息滞后的问题。
发明内容
本发明的目的在于克服以上存在的技术问题,提供一种分布式的医疗大数据分析处理系统。
为实现上述目的,本发明采用如下技术方案:
一种分布式的医疗大数据分析处理系统,包括云服务器、用户端、医护平台终端和医院分布式数据源处理系统;所述用户端与云服务器网络通信连接,用以接收所述云服务器发来的大健康数据信息;所述医护平台终端通过所述云服务器与所述医院分布式数据源处理系统网络通信连接,用于向所述医院分布式数据源处理系统录入患者的原始诊治信息,并能实时调用所述医院分布式数据源处理系统中存储的各就诊信息;所述医院分布式数据源处理系统包括数据库、服务器、大健康数据库,所述数据库用以存储所述原始诊治信息及其相应的就诊方法,所述服务器通过调用所述数据库存储的原始诊治信息,经过数据整合、清洗、存储和计算后传输给所述大健康数据库,所述大健康数据库对所述服务器传输过来的数据以疾病病种为单位进行分类,形成训练疾病数据集后存储,所述训练疾病数据集中包含疾病病情特征与诊疗文本,并构建神经网络模型;所述神经网络模型接收输入的病情信息后,经卷积神经网络的处理模式,与后台的病情信息值进行匹配,匹配出相似度最高的病情信息值,提取对应的疾病与诊疗方案,通过输出单元进行输出诊疗方法。
进一步地,所述云服务器还包括加密单元,所述加密单元用以对所述用户端、医护平台终端与所述云服务器传输的数据加密。
进一步地,所述加密单元采用对称加密算法或非对称加密算法对数据进行加密处理。
进一步地,所述医院分布式数据源处理系统为多个。
进一步地,所述数据库为多个。
进一步地,所述构建神经网络模型的具体过程为:将医护人员输入的病情信息进行多层次、多维度分割,从标点符合、字、词入手,分割结果以词为单位,采用SNOMED CT进行有效识别,提取特征词,形成不同的词向量矩阵,对滤波器设置不同的种类与尺寸,每种滤波器对词向量矩阵作卷积运算,得到不同特征向量,进行池化操作;训练疾病数据集对上述过程进行反复训练,不断修正参数,最终构建出神经网络模型。
本发明还提供了一种分布式的医疗大数据分析处理方法,包括如下步骤:
S1、输入病情信息:医护人员通过所述医护平台终端经过所述云服务器向所述医院分布式数据源处理系统录入病人实时就诊的原始诊治信息;
S2、数据存储与预处理:所述云服务器向所述医院分布式数据源处理系统对步骤S1输入的原始诊治信息按类别存储到相应的数据库中,所述服务器再对原始诊治信息以及调用存储在数据库中对应的就诊方法进行数据整合、清洗、存储、计算;
S3、建立大健康数据库:对步骤S2计算后的数据以疾病病种为单位进行分类,形成训练疾病数据集后存储,建立大健康数据库;
S4、构建神经网络模型:将步骤S1输入的病情信息进行多层次、多维度分割,从标点符合、字、词入手,分割结果以词为单位,采用SNOMED CT进行有效识别,提取特征词,形成不同的词向量矩阵,对滤波器设置不同的种类与尺寸,每种滤波器对词向量矩阵作卷积运算,得到不同特征向量,进行池化操作;同时,步骤S3的训练疾病数据集对上述过程进行反复训练,不断修正参数,最终构建出神经网络模型;
S5、输出诊疗方法:步骤S4的神经网络模型接收输入的病情信息后,经卷积神经网络的处理模式,与后台的病情信息值进行匹配,匹配出相似度最高的病情信息值,提取对应的疾病与诊疗方案,通过输出单元进行输出诊疗方法。
本发明的有益效果:
1、通过医院分布式数据源处理系统对数据进行分布式处理,相比采用云服务器,提高了数据处理速度,确保了系统的稳定性。
2、通过加密单元可以确保数据的安全性。
附图说明
图1:本发明一种分布式的医疗大数据分析处理系统的系统结构示意图。
图2:本发明医院分布式数据源处理系统的结构示意图。
图3:用户端与云服务器的加密传输示意图。
图4:医护平台终端与云服务器的加密传输示意图。
图5:本发明一种分布式的医疗大数据分析处理方法的流程示意图。
具体实施方式
下面结合附图以及实施例对本发明进行详细说明。
如图1-3所示,一种分布式的医疗大数据分析处理系统,包括云服务器、用户端、医护平台终端和多个医院分布式数据源处理系统,所述用户端与云服务器网络通信连接,用以接收所述云服务器发来的大健康数据信息;所述医护平台终端通过所述云服务器与每个所述医院分布式数据源处理系统网络通信连接,用于向所述医院分布式数据源处理系统录入患者的原始诊治信息,并能实时调用所述医院分布式数据源处理系统中存储的各就诊信息;所述医院分布式数据源处理系统包括多个数据库、服务器、大健康数据库,所述数据库用以存储所述原始诊治信息及其相应的就诊方法,所述服务器通过调用所述数据库存储的原始诊治信息,经过数据整合、清洗、存储和计算后传输给所述大健康数据库,所述大健康数据库对所述服务器传输过来的数据以疾病病种为单位进行分类,形成训练疾病数据集后存储,所述训练疾病数据集中包含疾病病情特征与诊疗文本,并构建神经网络模型,所述构建神经网络模型的具体过程为:将医护人员输入的病情信息进行多层次、多维度分割,从标点符合、字、词入手,分割结果以词为单位,采用SNOMED CT进行有效识别,提取特征词,形成不同的词向量矩阵,对滤波器设置不同的种类与尺寸,每种滤波器对词向量矩阵作卷积运算,得到不同特征向量,进行池化操作;训练疾病数据集对上述过程进行反复训练,不断修正参数,最终构建出神经网络模型。所述神经网络模型接收输入的病情信息后,经卷积神经网络的处理模式,与后台的病情信息值进行匹配,匹配出相似度最高的病情信息值,提取对应的疾病与诊疗方案,通过输出单元进行输出诊疗方法。
如图4所示,作为优选地方案,所述云服务器还包括加密单元,所述加密单元用以对所述用户端、医护平台终端与所述云服务器传输的数据采用对称加密算法或非对称加密算法对数据进行加密处理。
本发明将数据处理全部交由各个医院分布式数据源处理系统进行本地化处理,这种数据处理速度快,系统可靠稳定。
如图5所示,种分布式的医疗大数据分析处理方法,包括如下步骤:
S1、输入病情信息:医护人员通过所述医护平台终端经过所述云服务器向所述医院分布式数据源处理系统录入病人实时就诊的原始诊治信息;
S2、数据存储与预处理:所述云服务器向所述医院分布式数据源处理系统对步骤S1输入的原始诊治信息按类别存储到相应的数据库中,所述服务器再对原始诊治信息以及调用存储在数据库中对应的就诊方法进行数据整合、清洗、存储、计算;
S3、建立大健康数据库:对步骤S2计算后的数据以疾病病种为单位进行分类,形成训练疾病数据集后存储,建立大健康数据库;
S4、构建神经网络模型:将步骤S1输入的病情信息进行多层次、多维度分割,从标点符合、字、词入手,分割结果以词为单位,采用SNOMED CT进行有效识别,提取特征词,形成不同的词向量矩阵,对滤波器设置不同的种类与尺寸,每种滤波器对词向量矩阵作卷积运算,得到不同特征向量,进行池化操作;同时,步骤S3的训练疾病数据集对上述过程进行反复训练,不断修正参数,最终构建出神经网络模型;
S5、输出诊疗方法:步骤S4的神经网络模型接收输入的病情信息后,经卷积神经网络的处理模式,与后台的病情信息值进行匹配,匹配出相似度最高的病情信息值,提取对应的疾病与诊疗方案,通过输出单元进行输出诊疗方法。
下面通过列举某一案例进行进一步说明:
某医生在医护平台终端里输入某患者的咳嗽病情信息,并点击发送给云服务器,当然在此之前,该医生先让该患者通过用户端以账号登入到云服务器里,并建立一一关联,由于这些属于现有技术,因此未在技术方案里再加以描述。云服务器收到咳嗽病情信息后,将该信息发送给医院分布式数据源处理系统,医院分布式数据源处理系统收到后,首先存储在数据库中,然后服务器通过对咳嗽以及查询并调用存储在各个数据库中治疗咳嗽的方法进行整合、清洗、存储、计算,这样计算后会得到很多种不同咳嗽症状及其治疗方法,并发送给大健康数据库存储。大健康数据库接收后会按以咳嗽不同程度、症状为单位进行分类,形成多个训练疾病数据集后存储,建立大健康数据库;大健康数据库再构建神经网络模型,具体是,将咳嗽信息进行多层次、多维度分割,从标点符合、字、词入手,分割结果以词为单位,采用SNOMED CT进行有效识别,提取特征词,形成不同的词向量矩阵,对滤波器设置不同的种类与尺寸,每种滤波器对词向量矩阵作卷积运算,得到不同特征向量,进行池化操作;同时,训练疾病数据对上述过程进行反复训练,不断修正参数,最终构建出神经网络模型;神经网络模型构建后,接收输入的咳嗽信息后,再经卷积神经网络的处理模式,与后台的咳嗽病情信息值进行匹配,匹配出相似度最高的咳嗽病情信息值,提取咳嗽的疾病与诊疗方案,最后通过输出接口输出该咳嗽的诊疗方法给云服务器,云服务器可以同时发送给医护平台终端和用户端。
最后应说明的是:以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案;因此,尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明,但是,本领域的普通技术人员应当理解,仍然可以对本发明进行修改或等同替换;而一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围中。
Claims (7)
1.一种分布式的医疗大数据分析处理系统,其特征在于:包括云服务器、用户端、医护平台终端和医院分布式数据源处理系统;所述用户端与云服务器网络通信连接,用以接收所述云服务器发来的大健康数据信息;所述医护平台终端通过所述云服务器与所述医院分布式数据源处理系统网络通信连接,用于向所述医院分布式数据源处理系统录入患者的原始诊治信息,并能实时调用所述医院分布式数据源处理系统中存储的各就诊信息;所述医院分布式数据源处理系统包括数据库、服务器、大健康数据库,所述数据库用以存储所述原始诊治信息及其相应的就诊方法,所述服务器通过调用所述数据库存储的原始诊治信息,经过数据整合、清洗、存储和计算后传输给所述大健康数据库,所述大健康数据库对所述服务器传输过来的数据以疾病病种为单位进行分类,形成训练疾病数据集后存储,所述训练疾病数据集中包含疾病病情特征与诊疗文本,并构建神经网络模型;所述神经网络模型接收输入的病情信息后,经卷积神经网络的处理模式,与后台的病情信息值进行匹配,匹配出相似度最高的病情信息值,提取对应的疾病与诊疗方案,通过输出单元进行输出诊疗方法。
2.根据权利要求1所述的分布式的医疗大数据分析处理系统,其特征在于:所述云服务器还包括加密单元,所述加密单元用以对所述用户端、医护平台终端与所述云服务器传输的数据加密。
3.根据权利要求2所述的分布式的医疗大数据分析处理系统,其特征在于:所述加密单元采用对称加密算法或非对称加密算法对数据进行加密处理。
4.根据权利要求1所述的分布式的医疗大数据分析处理系统,其特征在于:所述医院分布式数据源处理系统为多个。
5.根据权利要求1所述的分布式的医疗大数据分析处理系统,其特征在于:所述数据库为多个。
6.根据权利要求1所述的分布式的医疗大数据分析处理系统,其特征在于:所述构建神经网络模型的具体过程为:将医护人员输入的病情信息进行多层次、多维度分割,从标点符合、字、词入手,分割结果以词为单位,采用SNOMED CT进行有效识别,提取特征词,形成不同的词向量矩阵,对滤波器设置不同的种类与尺寸,每种滤波器对词向量矩阵作卷积运算,得到不同特征向量,进行池化操作;训练疾病数据集对上述过程进行反复训练,不断修正参数,最终构建出神经网络模型。
7.一种分布式的医疗大数据分析处理方法,其特征在于,包括如下步骤:
S1、输入病情信息:医护人员通过所述医护平台终端经过所述云服务器向所述医院分布式数据源处理系统录入病人实时就诊的原始诊治信息;
S2、数据存储与预处理:所述云服务器向所述医院分布式数据源处理系统对步骤S1输入的原始诊治信息按类别存储到相应的数据库中,所述服务器再对原始诊治信息以及调用存储在数据库中对应的就诊方法进行数据整合、清洗、存储、计算;
S3、建立大健康数据库:对步骤S2计算后的数据以疾病病种为单位进行分类,形成训练疾病数据集后存储,建立大健康数据库;
S4、构建神经网络模型:将步骤S1输入的病情信息进行多层次、多维度分割,从标点符合、字、词入手,分割结果以词为单位,采用SNOMED CT进行有效识别,提取特征词,形成不同的词向量矩阵,对滤波器设置不同的种类与尺寸,每种滤波器对词向量矩阵作卷积运算,得到不同特征向量,进行池化操作;同时,步骤S3的训练疾病数据集对上述过程进行反复训练,不断修正参数,最终构建出神经网络模型;
S5、输出诊疗方法:步骤S4的神经网络模型接收输入的病情信息后,经卷积神经网络的处理模式,与后台的病情信息值进行匹配,匹配出相似度最高的病情信息值,提取对应的疾病与诊疗方案,通过输出单元进行输出诊疗方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910715957.7A CN110415819A (zh) | 2019-08-05 | 2019-08-05 | 一种分布式的医疗大数据分析处理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910715957.7A CN110415819A (zh) | 2019-08-05 | 2019-08-05 | 一种分布式的医疗大数据分析处理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110415819A true CN110415819A (zh) | 2019-11-05 |
Family
ID=68365751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910715957.7A Pending CN110415819A (zh) | 2019-08-05 | 2019-08-05 | 一种分布式的医疗大数据分析处理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415819A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155962A (zh) * | 2022-02-10 | 2022-03-08 | 北京妙医佳健康科技集团有限公司 | 一种数据清洗方法和利用知识图谱构建疾病诊断方法 |
CN114547662A (zh) * | 2022-04-25 | 2022-05-27 | 华伦医疗用品(深圳)有限公司 | 基于图像传感器的医疗数据处理方法及其系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109119130A (zh) * | 2018-07-11 | 2019-01-01 | 上海夏先机电科技发展有限公司 | 一种基于云计算的大数据健康管理系统及方法 |
CN109545385A (zh) * | 2018-11-30 | 2019-03-29 | 周立广 | 一种基于物联网的医疗大数据分析处理系统及其方法 |
CN109841282A (zh) * | 2018-12-10 | 2019-06-04 | 广东省中医院 | 一种基于云计算的中医健康管理云系统及其搭建方法 |
CN109992627A (zh) * | 2019-04-09 | 2019-07-09 | 太原理工大学 | 一种用于临床科研的大数据系统 |
-
2019
- 2019-08-05 CN CN201910715957.7A patent/CN110415819A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109119130A (zh) * | 2018-07-11 | 2019-01-01 | 上海夏先机电科技发展有限公司 | 一种基于云计算的大数据健康管理系统及方法 |
CN109545385A (zh) * | 2018-11-30 | 2019-03-29 | 周立广 | 一种基于物联网的医疗大数据分析处理系统及其方法 |
CN109841282A (zh) * | 2018-12-10 | 2019-06-04 | 广东省中医院 | 一种基于云计算的中医健康管理云系统及其搭建方法 |
CN109992627A (zh) * | 2019-04-09 | 2019-07-09 | 太原理工大学 | 一种用于临床科研的大数据系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155962A (zh) * | 2022-02-10 | 2022-03-08 | 北京妙医佳健康科技集团有限公司 | 一种数据清洗方法和利用知识图谱构建疾病诊断方法 |
CN114547662A (zh) * | 2022-04-25 | 2022-05-27 | 华伦医疗用品(深圳)有限公司 | 基于图像传感器的医疗数据处理方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021051610A1 (zh) | 数据的训练方法及装置、系统 | |
CN107728780A (zh) | 一种基于虚拟机器人的人机交互方法及装置 | |
CN110310229A (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
CN109523225A (zh) | 一种合同管理方法、系统及终端设备 | |
WO2023015935A1 (zh) | 一种体检项目推荐方法、装置、设备及介质 | |
WO2022105118A1 (zh) | 基于图像的健康状态识别方法、装置、设备及存储介质 | |
CN112711705B (zh) | 舆情数据处理方法、设备及存储介质 | |
WO2023065859A1 (zh) | 物品推荐方法、装置及存储介质 | |
CN110415819A (zh) | 一种分布式的医疗大数据分析处理系统及方法 | |
CN110021414A (zh) | 互联网医疗服务的智能挂号系统 | |
WO2022068160A1 (zh) | 基于人工智能的重症问诊数据识别方法、装置、设备及介质 | |
CN108319888A (zh) | 视频类型的识别方法及装置、计算机终端 | |
CN111813946A (zh) | 医疗信息反馈方法、装置、设备及可读存储介质 | |
CN117153431A (zh) | 基于互联网的医疗服务系统及方法 | |
Lai et al. | Edge intelligent collaborative privacy protection solution for smart medical | |
CN113674846A (zh) | 基于lstm网络的医院智慧服务舆情监控平台 | |
CN110610098A (zh) | 数据集生成方法及装置 | |
CN117131179A (zh) | 一种对话处理方法、装置、存储介质及电子设备 | |
CN109585013A (zh) | 一种分布式医学诊断分析方法及系统 | |
CN115473692A (zh) | 业务请求处理方法、装置、设备及介质 | |
CN112597379A (zh) | 数据识别方法、装置和存储介质及电子装置 | |
Khosla et al. | Knowledge-Based Intelligent Information and Engineering Systems: 9th International Conference, KES 2005, Melbourne, Australia, September 14-16, 2005, Proceedings | |
CN110163043B (zh) | 面部检测方法、装置、存储介质及电子装置 | |
CN114915434A (zh) | 一种网络代理检测方法、装置、存储介质及计算机设备 | |
CN112735555A (zh) | 罕见病数据采集上报方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |